AI研究实习生,这个月到岗了吗

早在2025 年 10 月，奥特曼在接受采访时给过一条 OpenAI 内部的 RSI 路线图：2026 年 9 月，出现自动化研究实习生；2028 年 3 月，推出完全自主的 AI 研究员。

现在就是 2026 年 9 月。第一个到期日到了。

9 月 7 日，OpenAI 放出《研究加速，OpenAI 内部视角》，算是交作业。按这篇文章的自述，AI 在自动化研究上目前处于实习生角色：在人类指导下，能完成定义清楚、熟练研究者需要数天才能完成的任务。他们数了一下，在成功完成的 4 到 8 小时任务里，超过一半经历过人工介入，研究方向和结果取舍仍然由人决定。

一句话总结：符合路线图，没有超越。

这份作业值得认真读一遍。因为"实习生"三个字其实是整个路线图里最精确的部分，而围绕它的三个问题，恰好是自动化研究的全部难点：题从哪来，谁验收，以及为什么 AI 的重大突破，至今都发生在特定的那一小圈领域里。这篇文章就把这三件事拆开。

实习生，是一个被精确选定的词

先看 OpenAI 交付的到底是什么。

不是研究员，是实习生。这两个词的差别不在智力，在验收权。研究员对结果负责，实习生干活，但活儿干得好不好，由别人判断。路线图的第一阶段只要实习生，等于承认：模型可以执行研究里定义清楚的部分，判断的部分还轮不到它。

《研究加速》里的细节也在印证这一点。任务定义清楚，熟练研究者需要数天，模型能做；4 到 8 小时的任务里，一半以上要人工介入。介入什么？要么是中途纠偏，要么是最后验收。这不叫自动化，这叫有电脑的实习。

顺便说一句，这个进度放在行业里并不领先。智谱那边的口径比 OpenAI 激进得多，直接对着全自动 AI 训练去。谁的口径更接近现实，现在没法验证，但至少 OpenAI 的自我评估里没有出现"超越路线图"这种字眼。

真正的问题不在进度符合不符合，而在为什么这条路的下半段这么难。答案藏在一个对比里：同样是让 AI 干活，写代码这件事已经被攻下来了，研究没有。

代码有 GitHub，研究没有

写代码的 AI 之所以练得起来，是因为编程世界自带三样东西：现成的题目、现成的答案、现成的验收。

GitHub 上一条已解决的 issue，就是一道有标准答案的题：描述是题目，修复前的代码是初始条件，PR 是参考答案，测试用例是验收标准。把代码回滚，让模型重做一遍，跑一遍测试，对就是对，错就是错。训练团队要做的只是清洗数据。

研究的这三样东西，一样都凑不齐。

题目要先由人定义。答案常常不存在，研究做的就是生产答案。最要命的是验收：代码跑一遍测试用例是几秒钟，一篇论文的验收叫同行评审，以月计，而且验收标准本身有争议。

2024 年 8 月，Sakana AI 发布《The AI Scientist》，号称 15 美元一篇全自动生成论文，一时刷屏。回头看它真正暴露的不是能力，而是验收问题：生成的论文出现编造引用，模型的自我评审给自己打高分，人类研究者随手就能挑出硬伤。生产端一天可以跑一万篇，验收端还是靠人一行一行读。这条流水线的瓶颈根本不在生产。

这也是为什么 OpenAI 路线图把任务范围收得那么死：定义清楚的任务。翻译一下，就是已经被人验收过流程的任务。实习生接到的活，永远是从研究员拆好的那一块里来的。

突破，都发生在有验证器的地方

把过去几年 AI 在科学领域的成绩单摊开，会发现一个规律：凡是赢的地方，全都提前存在一个机器可算的验收标准。

AlphaFold 是最典型的。蛋白质结构预测有 CASP 竞赛，有 GDT 这个跑了几十年的量化指标，2020 年 11 月 CASP14 上 AlphaFold 拿下接近实验精度的分数，靠的是这个现成的验收器。数学也一样，AlphaProof 2024 年 7 月在国际数学奥赛拿银牌，前提是把题目翻译进 Lean 形式化语言，证明对不对，编译器说了算。强化学习需要奖励，这些领域天然长着奖励函数。

反过来，没有验证器的地方，故事就难看得多。

2023 年 4 月，伯克利的 A-Lab 在《自然》发文，宣称 17 天自主合成 41 种新材料。2025 年 5 月，有研究者逐条复核后公开质疑：相当一部分产物并非新发现，有的是已知化合物的重新包装，有的对照样本本身就有问题。机器说了算的验收，验收器自己出了 bug。

同一年，CMU 团队把大模型接上机械臂做化学实验，Sakana 升级到 v2 后，一篇 AI 生成的论文第一次通过了盲审研讨会评审。进展是真的，但规模也摆在明面上：单点任务、狭窄领域、验收流程仍然由人类规则兜底。

AI 科学家的门槛不在想出主意，而在验证器。想法模型早就会，验收别人代劳不了，这就是实习生和研究员之间隔着的那一关。

 OpenAI 为什么敢给日期

既然验收这一关没过，路线图上的 2028 年 3 月凭什么写出来。

看回他们自己的报告会发现，OpenAI 的打法不是硬啃开放研究，而是把研究拆成验收可控的碎片：定义清楚的任务、数天的粒度、人工兜底的介入点。每块碎片都可以量化，可以加训，可以堆算力。报告里那些 4 到 8 小时的任务，本质上就是把研究工作往 CASP 式的可验收形态里搬。

这个思路能走多远，取决于有多少研究工作经得起这种拆分。文献综述可以拆，实验设计的一部分可以拆，但"判断这个结果值不值得跟进"这种核心动作，目前仍然整块留在人手里。路线图的后半段，赌的就是这些整块的东西会随着任务碎片化被逐步蚕食。

还有一层外部压力不能不提。算力投入已经到了这个量级，同行的口径一个比一个激进，路线图本身就是一种表态：钱花了，节奏是可控的，请继续等。至于 2028 年 3 月这个日期是工程判断还是融资口径，报告里不会写，我也判断不了。

实习生可以一直实习，转正才是新闻。

到岗的是实习生，签字的还是人

回到开头的问题：自动研究实习生，到岗了吗。

到了。定义清楚的任务、数天的粒度、一半以上的人工介入，这是全世界最贵的实习生，但它确实在工位上，也确实在干活。

真正没到的是签字权。研究这项工作的最终验收，评审、复现、取舍，仍然全部由人完成。而这恰恰是自动化研究里最难自动化的一环，因为验收标准的建设速度，远慢于模型能力的增长速度。

下一个到期日是 2028 年 3 月。到时候判断进展，不用听宣言，看一个指标就够：验收权往模型手里移了多少。在那之前，每当看到"AI 做出了科学发现"，先问一句：发现是谁说的，又是谁验的。

也许你还想看：